2017-计算机行业人工智能“黑科技”系列报告一：计算机视觉领域前沿一览_18页-2mb

计算机视觉领域前沿技术分析总结

核心内容

本报告聚焦于人工智能领域中计算机视觉技术的最新发展，分析了其技术方法、应用现状、挑战赛表现、顶级会议动态以及相关投资建议。

主要观点

• 技术发展迅速：计算机视觉技术已从传统的图像处理方法迈入人工智能处理时代，借助海量数据集、深度学习方法和高性能计算机，技术与应用均得到显著提升。
• 深度学习推动突破：卷积神经网络（CNN）成为计算机视觉领域最流行和有效的技术，显著提升了图像识别的准确率。从2012年ImageNet比赛开始，Top5分类错误率从26.1%降至不足3%。
• 应用场景广泛：计算机视觉在自动驾驶、机器人、AR/VR、金融、安防和医疗等领域均展现出巨大潜力。
• 挑战赛与会议反映技术热点：ImageNet和MS COCO两大挑战赛以及ICCV、CVPR、ECCV三大顶级会议，是计算机视觉技术发展的重要风向标，集中展示了该领域的前沿成果。
• 国内外研究力量并存：国外有Google、微软、Facebook等科技巨头以及斯坦福、MIT、伯克利等高校实验室；国内则有依图、商汤、旷视、云从、格灵深瞳等创业公司，技术实力强劲。
• 实际应用与实验室表现存在差距：技术在实验室中的表现不等于实际应用效果，各行业应用进度可能不达预期。

关键信息

技术发展

• 传统方法：依赖图像增强、模式识别等技术，但无法满足复杂场景需求。
• 深度学习方法：CNN成为主流，提升了识别准确率和复杂场景处理能力。
• 数据集作用：ImageNet和MS COCO等数据集为算法训练和评估提供了重要支持。

应用领域

挑战赛

• ImageNet：被誉为计算机视觉领域的“奥林匹克”，2016年新增场景分割任务，中国团队表现突出。
• MS COCO：包括目标检测与分割、关键点检测、图片描述等任务，测试算法在复杂场景中的识别能力。

顶级会议

• ICCV：每两年召开一次，涵盖底层视觉、分割、运动跟踪、场景识别等。
• CVPR：每年举办，关注计算机视觉与模式识别，近年来接受论文数量增长显著。
• ECCV：欧洲计算机视觉会议，论文质量高，主要来自美、欧顶尖机构。

国内外研究机构与创业团队

• 国外机构：Google、MIT、斯坦福、伯克利等。
• 国内团队：
  • 依图科技：专注于人像识别，应用于公安、智慧城市、医疗等领域。
  • 商汤科技：深度学习技术领先，提供人脸识别、危险品识别等解决方案。
  • 旷视科技：Face++平台提供人脸检测、识别等服务，LFW准确率达99.6%。
  • 云从科技：核心技术来自黄煦涛教授，参与新疆安防布控。
  • 格灵深瞳：领先于人和车的检测、跟踪与识别。

投资建议

建议关注计算机视觉在以下领域的应用进展：

• 自动驾驶
• 机器人
• AR/VR
• 金融
• 安防
• 医疗

风险提示

• 实验室表现不等于实际应用效果。
• 不同行业应用存在差异，技术落地进度可能不达预期。

行业评级

• 看好：相对市场基准指数收益率5%以上
• 中性：相对市场基准指数收益率在-5%~+5%之间波动
• 看淡：相对市场基准指数收益率低于-5%

图表目录

• 图1：计算机视觉与其他学科的相互关系
• 图2：ImageNet竞赛
• 图3：目标检测
• 图4：目标定位
• 图5：视频中的目标物体检测
• 图6：场景分类
• 图7：场景分割
• 图8：目标检测和分割
• 图9：关键点检测
• 图10：图片描述
• 图11：给机器“看电视剧”预测人类行为
• 图12：基于深度学习的手势识别
• 图13：微软全息“穿越”技术
• 图14：人工智能为视频配音
• 图15：深度学习识别YouTube视频内容
• 图16：社会化行走机器人Jackrabbit

表格目录

• 表1：2012年以来ImageNet图像分类大赛冠军成绩
• 表2：计算机视觉技术在众多领域得到应用
• 表3：国外著名高校计算机视觉相关实验室
• 表4：ImageNet 2016中国团队包揽众多冠军